Abstrak

lorem

1 Pendahuluan

$Ilustrasi berjudul “Random Forest Logistics on Support Vector” yang dibuat oleh AI menggunakan PixAI$

Figure 1.1: Ilustrasi berjudul “Random Forest Logistics on Support Vector” yang dibuat oleh AI menggunakan PixAI

Dalam perkuliahan, kesehatan mahasiswa harus dijaga untuk pembelajaran optimal. Menurut penelitian dari Pratama and Nur Zaimah (2024), melakukan aktivitas fisik dapat mengurangi tingkat kecemasan, depresi, serta meningkatkan suasana hati dan fungsi kognitif. Selain kesehatan fisik, kesehatan mental juga perlu diperhatikan dikarenakan kontribusinya terhadap perkembangan dan kesuksesan pola pikir mahasiswa yang bukan hanya berpengaruh secara individual, namun juga dalam kelompok.

Analisis terhadap data kesehatan mampu mendeteksi pola keseharian mahasiswa melalui berbagai faktor dan dapat menentukan tingkat risiko kesehatan mereka. Proses pengambilan keputusan berbasis data dapat menjadi acuan institusi pendidikan untuk meningkatkan kesejahteraan peserta didiknya.

Dengan perkembangan teknologi yang begitu pesat akhir-akhir ini, kecerdasan buatan telah melampaui batas yang semula sulit diraih. Dari membuat makalah lengkap yang terstruktur hingga gambar yang menyerupai lukisan, seperti contoh gambar pada Figure 1.1, kecerdasan buatan telah menjadi alat untuk membantu manusia mencapai tujuannya. Semua ini berawal dari data yang dipilih dan diolah, yang kemudian dijadikan bahan latihan untuk komputer agar mampu mengambil keputusan yang tepat. Inilah inti dari pembelajaran mesin, atau disebut machine learning.

Penggunaan teknik dan model pembelajaran mesin terhadap data kesehatan mahasiswa diharapkan dapat membantu mengidentifikasi tanda-tanda risiko pada masing-masing individu. Pembelajaran mesin terutama bermanfaat untuk mengenali pola pada data dengan banyak variabel dengan beragam karakteristik, baik linear, polinomial, eksponensial, maupun fluktuatif. Hasil pengenalan ini nantinya membentuk suatu model yang akan digunakan untuk memprediksi kasus-kasus baru yang belum pernah ditemui sebelumnya. Dengan informasi baru yang didapat, intervensi maupun pencegahan dapat dilakukan oleh pihak terkait.

Tujuan dari laporan ini adalah sebagai latihan penulis dalam mengeksplorasi data, memprosesnya sebagai bahan untuk pembelajaran mesin, dan menentukan algoritma dan parameter yang tepat untuk melatih mesin agar mampu memprediksi hasil dengan akurat dan efisien. Semua tahapan ini dijalankan menggunakan bahasa pemrograman R.

Laporan ini terbagi menjadi beberapa bagian, selain dari bagian ini. Bagian 2 akan membahas tentang data yang digunakan, pengolahan data untuk eksplorasi data, dan pengolahan data untuk pembelajaran mesin. Bagian 3 akan membahas tentang model pembelajaran mesin yang digunakan, parameter yang ditetapkan, serta langkah evaluasi model. Bagian 4 akan membahas tentang performa model dan menetapkan model terbaik. Bagian 5 berisikan kesimpulan dari hasil temuan, keterbatasan, serta saran untuk penelitian ke depannya.

2 Eksplorasi dan Pengolahan Data

Dalam laporan ini, penulis mengacu pada dataset kesehatan dan kehadiran mahasiswa yang disediakan oleh Ziya (2024).

2.1 Memuat data

Dataset disediakan dalam bentuk file CSV, dan proses membaca file dapat dilakukan dengan mudah. Dalam dataset tersebut, terdapat dua file CSV yang identik. Berikut perintah bash untuk mengecek kesamaan file.

cd "Student Health and Attendance Data/"
sha1sum *

## 4ab8799345531cc7978909b88ae6bb6c5209e2fc  student_monnitoring_data.csv
## 4ab8799345531cc7978909b88ae6bb6c5209e2fc  student_tracking_data.csv

Kedua file sama, jadi cukup satu yang digunakan, yaitu student_monnitoring_data.csv.

data <- read.csv("Student Health and Attendance Data/student_monnitoring_data.csv")

Lihat Tabel 2.1 untuk 10 data pertama dan Tabel 2.2 untuk 10 data terakhir dari dataset.

Table 2.1: Data awal (10 pertama)
Student.ID	Date	Class.Time	Attendance.Status	Stress.Level..GSR.	Sleep.Hours	Anxiety.Level	Mood.Score	Risk.Level
1	2024-12-01	9:00-15:00	Late	0.92	7.6	6	6	Low
1	2024-12-02	8:00-16:00	Late	1.17	6.0	6	2	Medium
1	2024-12-03	11:00-14:00	Late	4.56	6.3	4	8	High
1	2024-12-04	11:00-16:00	Late	3.07	9.0	2	10	Low
1	2024-12-05	9:00-13:00	Absent	3.93	7.4	9	4	High
1	2024-12-06	8:00-14:00	Present	4.96	6.6	5	9	High
1	2024-12-07	11:00-15:00	Absent	2.93	6.8	4	5	High
1	2024-12-08	8:00-15:00	Absent	2.17	8.4	9	9	High
1	2024-12-09	11:00-13:00	Absent	4.40	5.9	4	4	High
1	2024-12-10	9:00-16:00	Late	1.44	7.7	3	7	Low

Table 2.2: Data awal (10 terakhir)
	Student.ID	Date	Class.Time	Attendance.Status	Stress.Level..GSR.	Sleep.Hours	Anxiety.Level	Mood.Score	Risk.Level
14991	500	2024-12-21	8:00-16:00	Present	3.82	6.7	6	9	High
14992	500	2024-12-22	9:00-12:00	Present	4.76	6.9	4	10	High
14993	500	2024-12-23	8:00-12:00	Absent	2.03	7.4	8	7	High
14994	500	2024-12-24	10:00-12:00	Present	1.86	5.5	2	1	Medium
14995	500	2024-12-25	11:00-12:00	Absent	3.89	5.2	3	2	High
14996	500	2024-12-26	9:00-16:00	Late	1.30	7.2	7	10	Low
14997	500	2024-12-27	9:00-15:00	Absent	1.07	7.9	4	6	High
14998	500	2024-12-28	11:00-14:00	Absent	1.67	7.2	3	5	High
14999	500	2024-12-29	11:00-14:00	Late	0.99	7.2	10	9	Medium
15000	500	2024-12-30	9:00-16:00	Present	4.50	5.2	1	4	High

Tabel 2.3 dan 2.4 memberikan gambaran bentuk data apa adanya dari file CSV.

Table 2.3: Ringkasan data awal (1)
Student.ID	Stress.Level..GSR.	Sleep.Hours	Anxiety.Level	Mood.Score
Min. : 1.0	Min. :0.500	Min. :5.000	Min. : 1.000	Min. : 1.000
1st Qu.:125.8	1st Qu.:1.640	1st Qu.:6.000	1st Qu.: 3.000	1st Qu.: 3.000
Median :250.5	Median :2.760	Median :7.000	Median : 6.000	Median : 5.000
Mean :250.5	Mean :2.763	Mean :6.997	Mean : 5.547	Mean : 5.472
3rd Qu.:375.2	3rd Qu.:3.900	3rd Qu.:8.000	3rd Qu.: 8.000	3rd Qu.: 8.000
Max. :500.0	Max. :5.000	Max. :9.000	Max. :10.000	Max. :10.000

Table 2.4: Ringkasan data awal (2)
Date	Class.Time	Attendance.Status	Risk.Level
Length:15000	Length:15000	Length:15000	Length:15000
Class :character	Class :character	Class :character	Class :character
Mode :character	Mode :character	Mode :character	Mode :character

Langkah selanjutnya adalah memastikan tidak ada baris kosong dalam dataset. Banyak baris kosong dapat diketahui dengan perintah berikut:

sum(is.na(data))

## [1] 0

Tidak ada data kosong dalam dataset, sehingga tidak perlu dibersihkan.

2.2 Transformasi data

Untuk mempermudah eksplorasi dan pengolahan data lebih lanjut, data di atas diproses dengan mengubah tipe data:

Date (Date)
Class.Time → Start.Time (POSIXct), End.Time (POSIXct) “POSIX C Time”. Kolom Class.Time akan dihapus karena tidak akan digunakan lagi kedepannya.
Attendance.Status → (Factor), dengan ketentuan nilai $\text{AttendanceStatus} \rightarrow \{1(\text{Present}), 2(\text{Late}), 3(\text{Absent})\}$.
Risk.Level → (Factor), dengan ketentuan nilai $\text{RiskLevel} \rightarrow \{1(\text{Low}), 2(\text{Medium}), 3(\text{High})\}$.

Selain itu, terdapat data yang ditambahkan:

Class.Duration (Numeric), jeda waktu antara Start.Time dan End.Time dalam satuan jam. Operasi pengurangan dengan data tersebut sebenarnya memanggil fungsi “difftime” dan secara bawaan menghasilkan keluaran dalam satuan jam.
Start.Hour dan End.Hour (Numeric), waktu mulai dan selesai kelas mahasiswa dalam satuan jam.

new_data <- data |>
  mutate(
    Student.ID = Student.ID |> as.integer(),
    Date = Date |> as.Date(format = "%Y-%m-%d"),
    Start.Time = Class.Time |> as.character() |> strsplit("-") |> sapply(\(x) x[1]),
    Start.Time = paste(Date, Start.Time) |> as.POSIXct(format = "%Y-%m-%d %H:%M"),
    Start.Hour = Start.Time |> format("%H") |> as.numeric(),
    End.Time = Class.Time |> as.character() |> strsplit("-") |> sapply(\(x) x[2]),
    End.Time = paste(Date, End.Time) |> as.POSIXct(format = "%Y-%m-%d %H:%M"),
    End.Hour = End.Time |> format("%H") |> as.numeric(),
    Class.Duration = (End.Time - Start.Time) |> as.numeric(),
    Stress.Level..GSR. = Stress.Level..GSR. |> as.numeric(),
    Sleep.Hours = Sleep.Hours |> as.numeric(),
    Anxiety.Level = Anxiety.Level |> as.numeric(),
    Mood.Score = Mood.Score |> as.numeric(),
    Attendance.Status = Attendance.Status |> as.factor() |> recode_factor(
      "1" = "Present",
      "2" = "Late",
      "3" = "Absent"
    ),
    Risk.Level = Risk.Level |> as.factor() |> recode_factor(
      "1" = "Low",
      "2" = "Medium",
      "3" = "High"
    ),
    .keep = "none"
  )

Berikut penjelasan dari perubahan di atas:

“Attendance Status” dan “Risk Level” diubah menjadi tipe Factor karena merupakan data kualitatif/kategorik bertingkat. Tingkatan diatur sebagaimana di atas.
“Date” diubah menjadi tipe Date karena merupakan data tanggal.
“Class Time” dipecah menjadi dua, yaitu “Start Time” dan “End Time”. Data Character dari “Class Time” mula-mula dipecah menjadi dua pada tanda “-” menggunakan fungsi “strsplit()” sehingga “9:00-15:00” berubah menjadi c(“9:00”, “15:00”). Masing-masing kemudian digabung dengan Character dari Date sehingga membentuk format “2024-12-01 9:00” yang nantinya dikonversi menjadi tipe waktu POSIXct.
“Start Hour” dan “End Hour” mengambil jam dari “Start Time” dan “End Time” berturut-turut.
Data yang lain diubah ke tipe Numeric karena sudah berupa bilangan.
Proses transformasi data menggunakan sintaks baru untuk piping, yaitu |>, yang dikenalkan sejak R versi 4.1.

Berikut Tabel 2.5 untuk 10 data pertama dan Tabel 2.6 untuk 10 data terakhir dari dataset yang diubah. Hanya kolom tertentu yang ditampilkan karena keterbatasan ruang.

Table 2.5: Data yang diubah (10 pertama)
Student.ID	Start.Time	Start.Hour	End.Time	End.Hour	Class.Duration	Attendance.Status	Risk.Level
1	2024-12-01 09:00:00	9	2024-12-01 15:00:00	15	6	Late	Low
1	2024-12-02 08:00:00	8	2024-12-02 16:00:00	16	8	Late	Medium
1	2024-12-03 11:00:00	11	2024-12-03 14:00:00	14	3	Late	High
1	2024-12-04 11:00:00	11	2024-12-04 16:00:00	16	5	Late	Low
1	2024-12-05 09:00:00	9	2024-12-05 13:00:00	13	4	Absent	High
1	2024-12-06 08:00:00	8	2024-12-06 14:00:00	14	6	Present	High
1	2024-12-07 11:00:00	11	2024-12-07 15:00:00	15	4	Absent	High
1	2024-12-08 08:00:00	8	2024-12-08 15:00:00	15	7	Absent	High
1	2024-12-09 11:00:00	11	2024-12-09 13:00:00	13	2	Absent	High
1	2024-12-10 09:00:00	9	2024-12-10 16:00:00	16	7	Late	Low

Table 2.6: Data yang diubah (10 terakhir)
	Student.ID	Start.Time	Start.Hour	End.Time	End.Hour	Class.Duration	Attendance.Status	Risk.Level
14991	500	2024-12-21 08:00:00	8	2024-12-21 16:00:00	16	8	Present	High
14992	500	2024-12-22 09:00:00	9	2024-12-22 12:00:00	12	3	Present	High
14993	500	2024-12-23 08:00:00	8	2024-12-23 12:00:00	12	4	Absent	High
14994	500	2024-12-24 10:00:00	10	2024-12-24 12:00:00	12	2	Present	Medium
14995	500	2024-12-25 11:00:00	11	2024-12-25 12:00:00	12	1	Absent	High
14996	500	2024-12-26 09:00:00	9	2024-12-26 16:00:00	16	7	Late	Low
14997	500	2024-12-27 09:00:00	9	2024-12-27 15:00:00	15	6	Absent	High
14998	500	2024-12-28 11:00:00	11	2024-12-28 14:00:00	14	3	Absent	High
14999	500	2024-12-29 11:00:00	11	2024-12-29 14:00:00	14	3	Late	Medium
15000	500	2024-12-30 09:00:00	9	2024-12-30 16:00:00	16	7	Present	High

Tabel 2.7 dan 2.8 memberikan gambaran bentuk data setelah diolah.

Table 2.7: Ringkasan data yang diubah (1)
Student.ID	Date	Start.Time	Start.Hour	End.Time	End.Hour
Min. : 1.0	Min. :2024-12-01	Min. :2024-12-01 08:00:00	Min. : 8.000	Min. :2024-12-01 12:00:00.00	Min. :12
1st Qu.:125.8	1st Qu.:2024-12-08	1st Qu.:2024-12-08 10:00:00	1st Qu.: 8.000	1st Qu.:2024-12-08 14:00:00.00	1st Qu.:13
Median :250.5	Median :2024-12-15	Median :2024-12-15 21:30:00	Median : 9.000	Median :2024-12-16 02:00:00.00	Median :14
Mean :250.5	Mean :2024-12-15	Mean :2024-12-15 21:30:06	Mean : 9.502	Mean :2024-12-16 01:59:48.24	Mean :14
3rd Qu.:375.2	3rd Qu.:2024-12-23	3rd Qu.:2024-12-23 09:00:00	3rd Qu.:11.000	3rd Qu.:2024-12-23 14:00:00.00	3rd Qu.:15
Max. :500.0	Max. :2024-12-30	Max. :2024-12-30 11:00:00	Max. :11.000	Max. :2024-12-30 16:00:00.00	Max. :16

Table 2.8: Ringkasan data yang diubah (2)
Class.Duration	Stress.Level..GSR.	Sleep.Hours	Anxiety.Level	Mood.Score	Attendance.Status	Risk.Level
Min. :1.000	Min. :0.500	Min. :5.000	Min. : 1.000	Min. : 1.000	Present:4966	Low :3271
1st Qu.:3.000	1st Qu.:1.640	1st Qu.:6.000	1st Qu.: 3.000	1st Qu.: 3.000	Late :5032	Medium:3349
Median :5.000	Median :2.760	Median :7.000	Median : 6.000	Median : 5.000	Absent :5002	High :8380
Mean :4.495	Mean :2.763	Mean :6.997	Mean : 5.547	Mean : 5.472
3rd Qu.:6.000	3rd Qu.:3.900	3rd Qu.:8.000	3rd Qu.: 8.000	3rd Qu.: 8.000
Max. :8.000	Max. :5.000	Max. :9.000	Max. :10.000	Max. :10.000

2.3 Eksplorasi Data

Sebelum menerapkan metodologi berikutnya, ada baiknya suatu data dipahami terlebih dahulu melalui proses eksplorasi data. Eksplorasi data bertujuan untuk memahami data dengan lebih baik sebelum diproses dalam tahapan analisis lebih lanjut (Ramdani & Utami, 2024). Dalam sains data, tahapan ini juga dikenal sebagai Exploratory Data Analysis (EDA), yaitu seperangkat alat yang digunakan untuk memahami sifat, struktur, dan distribusi data, serta melihat hubungan antara beberapa atribut dalam dataset.

Terdapat beberapa hal yang ingin penulis ketahui dalam data ini, di antaranya:

Berapa banyak mahasiswa yang hadir, terlambat, maupun tidak hadir dalam satu hari perkuliahan?
Bagaimana hubungan antara kehadiran mahasiswa dengan tingkat risiko kesehatan?
Bagaimana persebaran dan korelasi dari atribut numerik terhadap tingkat risiko kesehatan?

2.3.1 Banyak mahasiswa per hari berdasarkan kehadiran

Table 2.9: Kehadiran per hari (5 hari pertama)
Date	Present	Late	Absent	Total
2024-12-01	164	177	159	500
2024-12-02	170	170	160	500
2024-12-03	138	192	170	500
2024-12-04	163	175	162	500
2024-12-05	167	168	165	500

Figure 2.1: Grafik Kehadiran Per Hari

Table 2.10: Ringkasan statistik kehadiran mahasiswa
Attendance.Status	mean	median	stdev	min	range	max	skew	kurt
Absent	166.73	167.0	9.79	149	37	186	0.17	-0.61
Late	167.73	167.0	11.76	144	48	192	-0.16	-0.39
Present	165.53	166.5	10.64	138	51	189	-0.23	0.00

Tingkat kehadiran, keterlambatan, dan absen relatif imbang hari ke hari. Banyak mahasiswa secara keseluruhan per hari pun konsisten. Ini berarti tidak ada banyak hubungan antara status kehadiran dan risiko kesehatan dengan pergerakan hari ke hari.

2.3.2 Tingkat kehadiran mahasiswa berdasarkan tingkat risiko kesehatan

Table 2.11: Tabel kehadiran berdasarkan tingkat risiko
Attendance.Status	Low	Medium	High
Present	1585	1722	1659
Late	1686	1627	1719
Absent	0	0	5002

Figure 2.2: Grafik per Risiko Kesehatan

Grafik di atas menunjukkan tingkat risiko kesehatan tinggi jika mahasiswa tidak hadir pada kuliah hari itu.

2.3.3 Faktor-faktor yang mempengaruhi tingkat risiko kesehatan

Figure 2.3: Grafik Distribusi Atribut Numerik

Dari distribusi nilai di atas, terlihat bahwa waktu mulai kuliah dan tingkat stres memiliki hubungan terhadap tingkat risiko secara linier. Sementara itu, tingkat suasana hati dan kekhawatiran menunjukkan hubungan non-linier, dimana tingkat risiko menengah membentuk titik ekstrem di antara tingkat risiko yang lain. Untuk atribut yang lain, mereka menunjukkan hubungan konstan, atau hampir tidak ada hubungan dengan tingkat risiko.

Hubungan non-linier pada tingkat suasana hati dan kekhawatiran perlu dikaji lebih lanjut.

Table 2.12: Tabel Korelasi Antar Variabel
	AS	CD	SH	EH	SL	AL	MS	RL
AS	1.00	0.00	0.00	0.00	-0.01	0.01	-0.01	0.49
CD	0.00	1.00	-0.02	0.79	0.00	0.01	-0.01	0.01
SH	0.00	-0.02	1.00	-0.02	0.00	-0.01	-0.01	0.01
EH	0.00	0.79	-0.02	1.00	0.00	0.00	0.00	0.00
SL	-0.01	0.00	0.00	0.00	1.00	0.01	-0.01	0.47
AL	0.01	0.01	-0.01	0.00	0.01	1.00	-0.01	0.16
MS	-0.01	-0.01	-0.01	0.00	-0.01	-0.01	1.00	-0.14
RL	0.49	0.01	0.01	0.00	0.47	0.16	-0.14	1.00

Status kehadiran dan tingkat stres mahasiswa berperan besar terhadap tingginya risiko kesehatan mahasiswa. Sementara itu, tingkat kekhawatiran (anxiety) dan suasana hati (mood) juga berpengaruh, meskipun tidak sebesar sebelumnya. Atribut-atribut ini akan menentukan langkah yang diambil dalam pembelajaran mesin.

3 Metodologi

3.1 Model Pembelajaran Mesin

Untuk permasalahan klasifikasi seperti ini, tiga model akan diuji, yaitu Multinomial Logistic Regression, Random Forest, dan Support Vector Machines.

3.2 Metrik Pengukuran Performa Model

3.3 Persiapan data pelatihan

Untuk hasil yang konsisten dalam percobaan ini, digunakan seed tertentu untuk melakukan operasi.

# 1740812400 adalah 28 Februari 2025, 23:59:59 WIB
set.seed(1740812399)

Normalisasi data

new_data_just_numbers <- new_data |>
  mutate_all(as.numeric)
new_data_just_numbers$Risk.Level <- new_data$Risk.Level

normalized_data_values <- new_data_just_numbers |> 
  preProcess(method = c("center", "scale"), rangeBounds = c(-1,1))

normalized_data <- predict(normalized_data_values, new_data_just_numbers)

Pembentukan dua data:

Data yang mencakup semua variabel.
Data yang hanya melibatkan kolom-kolom yang berpengaruh terhadap tingkat risiko kesehatan.

numeric_data <- normalized_data

selected_data <- normalized_data |>
  select(
    Risk.Level,
    Attendance.Status,
    Stress.Level..GSR.,
    Anxiety.Level,
    Mood.Score
  )

Pembagian data ke dalam dua kelompok. Digunakan partisi yang sama untuk data lengkap dan data terpilih.

train_index <- createDataPartition(new_data$Risk.Level, p = 0.8, list = FALSE)
numeric_train_data <- numeric_data[train_index, ]
numeric_test_data <- numeric_data[-train_index, ]
selected_train_data <- selected_data[train_index, ]
selected_test_data <- selected_data[-train_index, ]

3.4 Proses pelatihan

logit_model_numeric <- multinom(
  Risk.Level ~ .,
  data = numeric_train_data, trace = FALSE
)
logit_model_selected <- multinom(
  Risk.Level ~ .,
  data = selected_train_data, trace = FALSE
)

rf_model_numeric <- randomForest(
  Risk.Level ~ .,
  data = numeric_train_data, 
  ntree = 5,
  mtry = 2
)

rf_model_selected <- randomForest(
  Risk.Level ~ .,
  data = selected_train_data, 
  ntree = 5,
  mtry = 2
)

svm_model_numeric <- svm(
  Risk.Level ~ .,
  data = numeric_train_data, kernel = "radial"
)
svm_model_selected <- svm(
  Risk.Level ~ .,
  data = selected_train_data, kernel = "radial"
)

3.5 Evaluasi model

Model dievaluasi dengan dua kriteria: akurasi dan lama prediksi.

# Evaluate models with predictions
evaluate_model <- function(model, testData, model_name) {
  # Measure the time taken to make the predictions
  prediction_time <- system.time({
    predictions <- predict(model, newdata = testData)
  })['elapsed']  # Extract the elapsed time
  
  # Calculate the confusion matrix
  cm <- confusionMatrix(predictions, testData$Risk.Level)
  
  # Extract the accuracy
  accuracy <- cm$overall['Accuracy']
  
  # Return a list including the model name, accuracy, model object, and prediction time
  return(list(
    ModelName = model_name,
    Accuracy = accuracy,
    PredictionTime = prediction_time,
    ModelObject = model
  ))
}

# Initialize results data frame
results <- list(
  evaluate_model(
    logit_model_numeric, numeric_test_data, "MLR (All Fields)"
  ),
  evaluate_model(
    logit_model_selected, selected_test_data, "MLR (Selected Fields)"
  ),
  evaluate_model(
    rf_model_numeric, numeric_test_data, "RF (All Fields)"
  ),
  evaluate_model(
    rf_model_selected, selected_test_data, "RF (Selected Fields)"
  ),
  evaluate_model(
    svm_model_numeric, numeric_test_data, "SVM (All Fields)"
  ),
  evaluate_model(
    svm_model_selected, selected_test_data, "SVM (Selected Fields)"
  )
)

4 Hasil dan Pembahasan

# Arcade-style million scoring multiplier
score_scale <- 1000000

# Convert results into a data frame for easier handling
results_df <- data.frame(
  Model = sapply(results, function(x) x$ModelName),
  Accuracy = sapply(results, function(x) x$Accuracy * score_scale),
  PredictionTime = sapply(results, function(x) x$PredictionTime * score_scale)
)

# Normalize accuracy and prediction time
results_df$NormAccuracy <-
  results_df$Accuracy / max(results_df$Accuracy) * score_scale
results_df$NormPredictionTime <-
  (max(results_df$PredictionTime) - (results_df$PredictionTime)) /
  (max(results_df$PredictionTime) - min(results_df$PredictionTime)) * 
  score_scale

# Combine the metrics
accuracy_weight <- 0.9
predictiontime_weight <- 0.1
results_df$CompositeScore <-
  (accuracy_weight * results_df$NormAccuracy) +
  (predictiontime_weight * results_df$NormPredictionTime)

# Print results
results_df |>
  kbl(digits = 0, caption = "Tabel Akurasi dan Waktu Prediksi Model") |>
  kable_material()

Table 4.1: Tabel Akurasi dan Waktu Prediksi Model
Model	Accuracy	PredictionTime	NormAccuracy	NormPredictionTime	CompositeScore
MLR (All Fields)	797266	16000	797266	991770	816716
MLR (Selected Fields)	797266	12000	797266	1000000	817539
RF (All Fields)	997666	16000	997666	991770	997076
RF (Selected Fields)	1000000	14000	1000000	995885	999588
SVM (All Fields)	971991	498000	971991	0	874792
SVM (Selected Fields)	992998	117000	992998	783951	972093

Untuk evaluasi, $R^2$ dan $RMSE$ tidak bisa digunakan untuk soal klasifikasi, karena lebih cocok untuk masalah regresi.

# Visualize model accuracies
ggplot(results_df, aes(x = Model, y = Accuracy, fill = Model)) +
  geom_bar(stat = "identity", position = position_dodge()) +
  coord_cartesian(ylim = c(750000, 1000000)) +
  labs(title = "Akurasi Model", y = "Accuracy", x = "Model")

# TODO change to log scale
# Visualize model accuracies
ggplot(results_df, aes(x = Model, y = PredictionTime, fill = Model)) +
  geom_bar(stat = "identity", position = position_dodge()) +
  coord_cartesian(ylim = c(1e+03, 2e+06)) +
  scale_y_log10() +
  labs(title = "Waktu Prediksi Model", y = "Prediction Time", x = "Model")

## [1] "Best Model: RF (Selected Fields)"

## Warning: The `<scale>` argument of `guides()` cannot be `FALSE`. Use "none" instead as
## of ggplot2 3.3.4.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.

Table 4.2: Tabel Prediksi Per Tingkat Risiko
	Sens	Spec	p-v	p-v	Prec	Recl	F1	Prev	DetR	DetP	Accr
Class: Low	1	1	1	1	1	1	1	0.218073	0.218073	0.218073	1
Class: Medium	1	1	1	1	1	1	1	0.223074	0.223074	0.223074	1
Class: High	1	1	1	1	1	1	1	0.558853	0.558853	0.558853	1

Table 4.3: Ringkasan Performa Model Terbaik
	x
Accuracy	1.0000000
Kappa	1.0000000
AccuracyLower	0.9987707
AccuracyUpper	1.0000000
AccuracyNull	0.5588530
AccuracyPValue	0.0000000
McnemarPValue	N/A

5 Kesimpulan

6 Daftar Pustaka

Airlangga, Gregorius. (2024). Comparative analysis of machine learning models for chronic disease indicator classification using u.s. Chronic disease indicators dataset. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4, 1034–1042. https://doi.org/10.57152/malcom.v4i3.1403

Breiman, Leo, Cutler, Adele, Liaw, Andy, & Wiener, Matthew. (2024). randomForest: Breiman and cutlers random forests for classification and regression. https://www.stat.berkeley.edu/~breiman/RandomForests/

Dahl, David B., Scott, David, Roosen, Charles, Magnusson, Arni, & Swinton, Jonathan. (2019). Xtable: Export tables to LaTeX or HTML. http://xtable.r-forge.r-project.org/

Fadhil, Mutasimbillah, & Matang. (2024). KESEHATAN MENTAL MAHASISWA DAN PENGARUHNYA TERHADAP PERAN MAHASISWA DALAM BERMASYARAKAT BERBANGSA DAN BERNEGARA. Maha Widya Bhuwana: Jurnal Pendidikan, Agama Dan Budaya, 7, 29–32. https://journal.stahnmpukuturan.ac.id/index.php/bhuwana/article/view/344

Fox, John, & Weisberg, Sanford. (2019). An R companion to applied regression (Third). Sage. https://www.john-fox.ca/Companion/

Fox, John, Weisberg, Sanford, & Price, Brad. (2022). carData: Companion to applied regression data sets. https://r-forge.r-project.org/projects/car/

Fox, John, Weisberg, Sanford, & Price, Brad. (2024). Car: Companion to applied regression. https://r-forge.r-project.org/projects/car/

Grolemund, Garrett, & Wickham, Hadley. (2011). Dates and times made easy with lubridate. Journal of Statistical Software, 40(3), 1–25. https://www.jstatsoft.org/v40/i03/

Gross, Juergen, & Ligges, Uwe. (2015). Nortest: Tests for normality. https://CRAN.R-project.org/package=nortest

Harrell, Frank E., Jr. (2025). Hmisc: Harrell miscellaneous. https://hbiostat.org/R/Hmisc/

Kamila, Siti Alifia. (2024). MEMBANGUN KESEIMBANGAN: MENJAGA KESEHATAN MENTAL DALAM GELOMBANG TANTANGAN MAHASISWA. i-WIN (International Waqaf Ilmu Nusantara) Library. https://waqafilmunusantara.com/wp-content/uploads/2024/08/Siti-Alifia-Kamila_Artikel.docx.pdf

Kassambara, Alboukadel. (2023). Ggpubr: ggplot2 based publication ready plots. https://rpkgs.datanovia.com/ggpubr/

Khair, Afra Fitri Aulia, & Usiono. (2025). Pengaruh pola hidup terhadap kesehatan mahasiswa. Jurnal Ilmiah Nusantara, 2, 48–54. https://ejurnal.kampusakademik.co.id/index.php/jinu/article/download/3536/3183/14261

Komsta, Lukasz, & Novomestky, Frederick. (2022). Moments: Moments, cumulants, skewness, kurtosis and related tests. https://www.r-project.org

Kuhn, Max. (2024). Caret: Classification and regression training. https://github.com/topepo/caret/

Kuhn, & Max. (2008). Building predictive models in r using the caret package. Journal of Statistical Software, 28(5), 1–26. https://doi.org/10.18637/jss.v028.i05

Liaw, Andy, & Wiener, Matthew. (2002). Classification and regression by randomForest. R News, 2(3), 18–22. https://CRAN.R-project.org/doc/Rnews/

Lüdecke, Daniel, Makowski, Dominique, Patil, Indrajeet, Waggoner, Philip, Ben-Shachar, Mattan S., Wiernik, Brenton M., Arel-Bundock, Vincent, & Bacher, Etienne. (2025). Insight: Easy access to model information for various model objects. https://easystats.github.io/insight/

Lüdecke, Daniel, Waggoner, Philip, & Makowski, Dominique. (2019). insight: A unified interface to access information from model objects in R. Journal of Open Source Software, 4(38), 1412. https://doi.org/10.21105/joss.01412

Meyer, David, Dimitriadou, Evgenia, Hornik, Kurt, Weingessel, Andreas, & Leisch, Friedrich. (2024). e1071: Misc functions of the department of statistics, probability theory group (formerly: E1071), TU wien. https://CRAN.R-project.org/package=e1071

Müller, Kirill, & Wickham, Hadley. (2023). Tibble: Simple data frames. https://tibble.tidyverse.org/

Olszewski, Jessica Larocco. (2024). Introduction to classification model comparison methods – OMSCS 7641: Machine learning. Georgia Tech; Georgia Institute of Technology. https://sites.gatech.edu/omscs7641/2024/02/07/introduction-to-classification-model-comparison-methods/

Pratama, Rivan Saghita, & Nur Zaimah, Annisa Fauziyah. (2024). PENGARUH AKTIVITAS FISIK TERHADAP KESEHATAN MENTAL DAN KINERJA AKADEMIK MAHASISWA PENDIDIKAN BAHASA INGGRIS. Jurnal Lingkar Pembelajaran Inovatif, 5. https://oaj.jurnalhst.com/index.php/jlpi/article/view/4725

R Core Team. (2024). R: A language and environment for statistical computing. R Foundation for Statistical Computing. https://www.R-project.org/

Ramdani, Fatwa, & Utami, Ika Qutsiati. (2024). Pengantar data science. Bumi Aksara.

Ripley, Brian. (2025). Nnet: Feed-forward neural networks and multinomial log-linear models. http://www.stats.ox.ac.uk/pub/MASS4/

Sarkar, Deepayan. (2008). Lattice: Multivariate data visualization with r. Springer. http://lmdvr.r-forge.r-project.org

Sarkar, Deepayan. (2024). Lattice: Trellis graphics for r. https://lattice.r-forge.r-project.org/

Spinu, Vitalie, Grolemund, Garrett, & Wickham, Hadley. (2024). Lubridate: Make dealing with dates a little easier. https://lubridate.tidyverse.org

Venables, W. N., & Ripley, B. D. (2002). Modern applied statistics with s (Fourth). Springer. https://www.stats.ox.ac.uk/pub/MASS4/

Wei, Taiyun, & Simko, Viliam. (2024a). Corrplot: Visualization of a correlation matrix. https://github.com/taiyun/corrplot

Wei, Taiyun, & Simko, Viliam. (2024b). R package ’corrplot’: Visualization of a correlation matrix. https://github.com/taiyun/corrplot

Wickham, Hadley. (2016). ggplot2: Elegant graphics for data analysis. Springer-Verlag New York. https://ggplot2.tidyverse.org

Wickham, Hadley. (2023a). Forcats: Tools for working with categorical variables (factors). https://forcats.tidyverse.org/

Wickham, Hadley. (2023b). Stringr: Simple, consistent wrappers for common string operations. https://stringr.tidyverse.org

Wickham, Hadley. (2023c). Tidyverse: Easily install and load the tidyverse. https://tidyverse.tidyverse.org

Wickham, Hadley, Averick, Mara, Bryan, Jennifer, Chang, Winston, McGowan, Lucy D’Agostino, François, Romain, Grolemund, Garrett, Hayes, Alex, Henry, Lionel, Hester, Jim, Kuhn, Max, Pedersen, Thomas Lin, Miller, Evan, Bache, Stephan Milton, Müller, Kirill, Ooms, Jeroen, Robinson, David, Seidel, Dana Paige, Spinu, Vitalie, … Yutani, Hiroaki. (2019). Welcome to the tidyverse. Journal of Open Source Software, 4(43), 1686. https://doi.org/10.21105/joss.01686

Wickham, Hadley, Chang, Winston, Henry, Lionel, Pedersen, Thomas Lin, Takahashi, Kohske, Wilke, Claus, Woo, Kara, Yutani, Hiroaki, Dunnington, Dewey, & van den Brand, Teun. (2024). ggplot2: Create elegant data visualisations using the grammar of graphics. https://ggplot2.tidyverse.org

Wickham, Hadley, François, Romain, Henry, Lionel, Müller, Kirill, & Vaughan, Davis. (2023). Dplyr: A grammar of data manipulation. https://dplyr.tidyverse.org

Wickham, Hadley, & Henry, Lionel. (2025). Purrr: Functional programming tools. https://purrr.tidyverse.org/

Wickham, Hadley, Hester, Jim, & Bryan, Jennifer. (2024). Readr: Read rectangular text data. https://readr.tidyverse.org

Wickham, Hadley, Vaughan, Davis, & Girlich, Maximilian. (2024). Tidyr: Tidy messy data. https://tidyr.tidyverse.org

Zhao, Heng, Chen, Yixing, & Fu, Xianghua. (2023). Comparison of machine learning based on category theory. Journal of Web Engineering, 22. https://doi.org/10.13052/jwe1540-9589.2213

Zhu, Hao. (2024). kableExtra: Construct complex table with kable and pipe syntax. http://haozhu233.github.io/kableExtra/

Ziya. (2024). Student health and attendance data. Kaggle. https://www.kaggle.com/datasets/ziya07/student-health-and-attendance-data

Lampiran

A Informasi Sesi R

sessionInfo()

## R version 4.4.2 (2024-10-31)
## Platform: x86_64-redhat-linux-gnu
## Running under: Fedora Linux 40 (Toolbx Container Image)
## 
## Matrix products: default
## BLAS/LAPACK: FlexiBLAS OPENBLAS-OPENMP;  LAPACK version 3.12.0
## 
## locale:
##  [1] LC_CTYPE=en_GB.UTF-8       LC_NUMERIC=C              
##  [3] LC_TIME=en_GB.UTF-8        LC_COLLATE=en_GB.UTF-8    
##  [5] LC_MONETARY=en_GB.UTF-8    LC_MESSAGES=en_GB.UTF-8   
##  [7] LC_PAPER=en_GB.UTF-8       LC_NAME=C                 
##  [9] LC_ADDRESS=C               LC_TELEPHONE=C            
## [11] LC_MEASUREMENT=en_GB.UTF-8 LC_IDENTIFICATION=C       
## 
## time zone: Asia/Makassar
## tzcode source: system (glibc)
## 
## attached base packages:
## [1] stats     graphics  grDevices datasets  utils     methods   base     
## 
## other attached packages:
##  [1] e1071_1.7-16         randomForest_4.7-1.2 nnet_7.3-20         
##  [4] caret_7.0-1          lattice_0.22-6       kableExtra_1.4.0    
##  [7] xtable_1.8-4         corrplot_0.95        ggpubr_0.6.0        
## [10] insight_1.0.2        nortest_1.0-4        car_3.1-3           
## [13] carData_3.0-5        moments_0.14.1       Hmisc_5.2-2         
## [16] lubridate_1.9.4      forcats_1.0.0        stringr_1.5.1       
## [19] dplyr_1.1.4          purrr_1.0.4          readr_2.1.5         
## [22] tidyr_1.3.1          tibble_3.2.1         ggplot2_3.5.1       
## [25] tidyverse_2.0.0     
## 
## loaded via a namespace (and not attached):
##  [1] pROC_1.18.5          gridExtra_2.3        rlang_1.1.5         
##  [4] magrittr_2.0.3       compiler_4.4.2       systemfonts_1.2.1   
##  [7] vctrs_0.6.5          reshape2_1.4.4       crayon_1.5.3        
## [10] pkgconfig_2.0.3      fastmap_1.2.0        backports_1.5.0     
## [13] labeling_0.4.3       CoprManager_0.5.7    rmarkdown_2.29      
## [16] prodlim_2024.06.25   tzdb_0.4.0           xfun_0.50           
## [19] cachem_1.1.0         jsonlite_1.8.9       recipes_1.1.1       
## [22] broom_1.0.7          parallel_4.4.2       cluster_2.1.8       
## [25] R6_2.6.1             RColorBrewer_1.1-3   bslib_0.9.0         
## [28] stringi_1.8.4        parallelly_1.42.0    rpart_4.1.24        
## [31] jquerylib_0.1.4      Rcpp_1.0.14          bookdown_0.42       
## [34] iterators_1.0.14     knitr_1.49           future.apply_1.11.3 
## [37] base64enc_0.1-3      Matrix_1.7-2         splines_4.4.2       
## [40] timechange_0.3.0     tidyselect_1.2.1     rstudioapi_0.17.1   
## [43] abind_1.4-8          yaml_2.3.10          timeDate_4041.110   
## [46] codetools_0.2-20     listenv_0.9.1        plyr_1.8.9          
## [49] withr_3.0.2          evaluate_1.0.3       foreign_0.8-88      
## [52] future_1.34.0        survival_3.8-3       proxy_0.4-27        
## [55] xml2_1.3.6           pillar_1.10.1        stats4_4.4.2        
## [58] checkmate_2.3.2      foreach_1.5.2        generics_0.1.3      
## [61] hms_1.1.3            munsell_0.5.1        scales_1.3.0        
## [64] globals_0.16.3       class_7.3-23         glue_1.8.0          
## [67] tools_4.4.2          data.table_1.16.4    ModelMetrics_1.2.2.2
## [70] gower_1.0.2          ggsignif_0.6.4       cowplot_1.1.3       
## [73] grid_4.4.2           ipred_0.9-15         colorspace_2.1-1    
## [76] nlme_3.1-167         htmlTable_2.4.3      Formula_1.2-5       
## [79] cli_3.6.4            viridisLite_0.4.2    svglite_2.1.3       
## [82] lava_1.8.1           gtable_0.3.6         rstatix_0.7.2       
## [85] sass_0.4.9           digest_0.6.37        farver_2.1.2        
## [88] htmlwidgets_1.6.4    htmltools_0.5.8.1    lifecycle_1.0.4     
## [91] hardhat_1.4.1        MASS_7.3-64

Analisis Komparatif Model Pembelajaran Mesin Untuk Klasifikasi Kesehatan dan Kehadiran Mahasiswa

Muhammad Hidayat

2025-02-27